相关实验视频
Updated: Jan 8, 2026
07:51
Video Movement Analysis Using Smartphones ViMAS: A Pilot Study
Published on: March 14, 2017
17.2K
循环指标和策略检测用于自动化椅子坐立测试分析,使用单个智能手机
Arshad Sher1, Muntazir Rashid2, Ahmad Lotfi3
1Department of Computer Science, Nottingham Trent University, Nottingham, NG11 8NS, Nottinghamshire, UK. arshad.sher@ntu.ac.uk.
Annals of biomedical engineering
|December 21, 2025
概括
智能手机系统准确地分析了30秒的椅子坐立测试 (CST),检测出不同的运动策略. 这种自动化方法提供了比传统方法更丰富的移动性数据来评估下肢功能.
科学领域:
- 生物力学和运动控制
- 在健康领域的可穿戴技术.
- 数字健康和康复数字健康和康复
背景情况:
- 30秒的椅子坐立测试 (CST) 是下肢功能的标准测量.
- 传统的CST评分缺乏一致性,无法捕捉补偿运动策略.
- 现有的方法通常需要侵入性仪器进行详细分析.
研究的目的:
- 开发和验证基于智能手机的系统,用于在CST期间自动检测上升策略.
- 从重复的CST试验中提取运动性能的循环级生物标志物.
- 为评估复杂的运动协调提供一个客观和非侵入性的方法.
主要方法:
- 35名成年人 (年轻人,老年人,帕金森病患者) 穿着智能手机进行了30多岁的CST.
- 智能手机加速度计和陀螺仪的数据被记录在400赫兹.
- 一个算法细分了CST周期,并使用干距和周期持续时间对上升策略进行分类 (例如,曲与动量转移).
主要成果:
- 该算法在检测 660 个 CST 周期时,以最小的误差 (<40 ms) 达到 99% 的准确性.
- 战略分类产生了一个宏观F1得分为0.94.
- 在策略和参与者群体之间观察到周期持续时间的明显差异 (例如,老年人的曲与动量转移周期).
结论:
- 使用智能手机数据的自动化CST分析揭示了超出标准时间的详细运动签名.
- 该系统提供了更丰富的移动模式的特征,并突出了临床相关的变异.
- 需要在更大的队列中进一步验证,以建立诊断和个性化康复应用程序.
